药材种植推荐系统的研究与实现
这是一篇关于中药材,推荐算法,相似性,Flask框架的论文, 主要内容为随着经济的发展与生活水平的提高,国民越来越重视自身健康,中药材产业也越来越受到国民关注。在互联网技术的推动下,中药材产业步入信息化建设阶段,许多企业开始构建中药材平台。但是目前很少有中药材平台中引入推荐技术,针对这一现象,本文将推荐技术与药材网站进行结合,旨在为药材信息化建设作出贡献。本文设计并实现一个药材种植推荐系统,完成了药材信息科普、药材信息搜索、药材可视化分布、药材资讯推荐、药材种植推荐等功能。本系统是由药材信息分类模块、药材分布模块、基于种植比率的地区推荐模块、基于经济收益的推荐模块、药材资讯推荐模块、登录注册模块组成。本文的主要研究工作如下:设计了三类种植推荐方案,分别是基于种植比率的地区推荐、基于经济收益的推荐、基于协同过滤的资讯推荐;实现了获取药材数据的爬虫程序;完成了对数据的预处理工作,包括数据去重、格式标准化等;设计了基于种植比率的地区推荐实验和指数平滑实验,计算并验证推荐的准确度;完成了对药材种植推荐系统的需求分析、架构设计、功能模块设计以及系统流程设计;分别对系统进行了性能测试、接口测试、界面测试以及功能测试。药材种植推荐系统基于Flask框架和可视化组件进行构建,利用懒加载、异步数据等方式对系统功能进行优化,采用npm的方式对系统的依赖模块进行统一管理,使用Echarts和D3工具完成系统的可视化工作,结合关系型数据库Mysql、数据缓存技术、json文件对系统数据进行管理。
WS三七电子交易市场发展战略研究
这是一篇关于三七,中药材,电子商务,发展战略的论文, 主要内容为进入21世纪以来,信息科技飞速发展,互联网的应用得到了广泛普及,各类电子商务平台涌现。同时,伴随着经济的蓬勃发展,人们的整体生活水平大幅度提高,消费观念也随之发生改变,消费重心逐步倾向健康方面,特别是中药养生和中医治疗。由此推动了中国中药材电子商务的全面发展,形成了多种独具特色的发展模式,也加速转变了中药材的生产销售方式,加快了融合一、二、三产业的步伐,提高了就业率和创业率。十八大以来,“互联网+”上升为国家发展战略,多层次资本市场体系建设和普惠金融力度不断加强。近年来,国家多次出台中药材相关的政策和法规,云南省和文山州陆续出台三七产业相关的规划和发展条例。文山“十三五”计划到2020年,三七产业发展规模达到千亿元。2018年以来,云南省交易场所清理整顿工作全面结束,建设文山三七现货交易平台条件已十分成熟。2020年,新冠病毒疫情爆发,三七被列入新冠病毒防疫中药配方,并且线下传统交易市场关闭,极大的促进了三七线上交易习惯的转变。目前我国各类专业性、综合性的电子商务平台众多,群强林立,竞争异常激烈。WS三七电子交易市场作为专业性的三七电商平台,如何在竞争大潮中站稳脚跟,提高在市场中的竞争力,实现市场占有率的重大突破,直至占据主要市场,制定并不断完善自身的发展战略尤为重要。本文以WS三七电子交易市场为研究对象,对其内外部环境进行了剖析,并通过SWOT矩阵分析,提出WS三七电子交易市场快速扩张的总体战略和差异化竞争战略以及相关职能策略。
WS三七电子交易市场发展战略研究
这是一篇关于三七,中药材,电子商务,发展战略的论文, 主要内容为进入21世纪以来,信息科技飞速发展,互联网的应用得到了广泛普及,各类电子商务平台涌现。同时,伴随着经济的蓬勃发展,人们的整体生活水平大幅度提高,消费观念也随之发生改变,消费重心逐步倾向健康方面,特别是中药养生和中医治疗。由此推动了中国中药材电子商务的全面发展,形成了多种独具特色的发展模式,也加速转变了中药材的生产销售方式,加快了融合一、二、三产业的步伐,提高了就业率和创业率。十八大以来,“互联网+”上升为国家发展战略,多层次资本市场体系建设和普惠金融力度不断加强。近年来,国家多次出台中药材相关的政策和法规,云南省和文山州陆续出台三七产业相关的规划和发展条例。文山“十三五”计划到2020年,三七产业发展规模达到千亿元。2018年以来,云南省交易场所清理整顿工作全面结束,建设文山三七现货交易平台条件已十分成熟。2020年,新冠病毒疫情爆发,三七被列入新冠病毒防疫中药配方,并且线下传统交易市场关闭,极大的促进了三七线上交易习惯的转变。目前我国各类专业性、综合性的电子商务平台众多,群强林立,竞争异常激烈。WS三七电子交易市场作为专业性的三七电商平台,如何在竞争大潮中站稳脚跟,提高在市场中的竞争力,实现市场占有率的重大突破,直至占据主要市场,制定并不断完善自身的发展战略尤为重要。本文以WS三七电子交易市场为研究对象,对其内外部环境进行了剖析,并通过SWOT矩阵分析,提出WS三七电子交易市场快速扩张的总体战略和差异化竞争战略以及相关职能策略。
基于深度学习的中药材知识图谱构建与应用
这是一篇关于中药材,知识图谱,深度学习,命名实体识别,Attention机制的论文, 主要内容为中药有两千多年的历史,在中华民族的健康繁衍中发挥着重要作用。针对信息时代中药知识的非关联化和非结构化特征,本研究采用知识图谱技术来解决中药材数据的多源异构问题。在数据层,通过对中药专业书籍和网络数据等非结构化文本进行数据预处理,提取文本中的中药材实体,引入Attention机制改进BiLSTM+CRF命名实体识别模型,解决中药材文本长句的命名实体识别问题;在模式层,根据中药专业知识分类体系设计了中药材知识图谱概念模式。最后将其进行知识融合和知识表示,通过Neo4j图数据库实现中药材知识图谱的存储与可视化,设计并实现了中药材知识查询系统。主要工作包含以下三个方面:(1)进行中药材数据预处理,设计改进型命名实体识别模型。专业数据以经典教材《中药学》为基础,辅以中医药类专业网站“药素网”为补充。采用Python的Requests与Beautiful Soup爬虫模块抓取网站数据,使用YEDDA标注工具对源数据进行语料标注等预处理。将BiLSTM+CRF命名实体识别模型加入Attention机制,改进为六层命名实体识别模型,使模型识别评价指标F1值到达94.42%,比原模型提高了1.74个百分点,提高了命名实体识别任务精度。(2)构建了基于七类实体的中药材知识图谱,实现了数据可视化展示。传统中医药领域知识图谱以中药诊疗知识为主,该中药材知识图谱在“药物”“功效”“疾病”“药性”“类别”五类实体基础上,增加了“摘录古籍”“具体摘要”两种实体定义,设计了七类实体六类关系的中药材知识图谱概念模式,得到了21345个实体,将其存储在Neo4j图数据库中并进行可视化展示。(3)实现了基于知识图谱的中药材知识查询系统。该系统直接连接图数据库,用Cytoscape.js技术将知识图谱中的中药材知识进行可视化展示,将信息检索、知识导航和知识图谱可视化展示三者融为一体。本研究通过改进中药材知识图谱概念模式和命名实体识别模型等工作,增加了中药材摘录古籍和具体摘要实体的关联,让查询中药材知识有据可循,有助于中药领域知识图谱的进一步研究。
基于深度学习的中药材知识图谱构建与应用
这是一篇关于中药材,知识图谱,深度学习,命名实体识别,Attention机制的论文, 主要内容为中药有两千多年的历史,在中华民族的健康繁衍中发挥着重要作用。针对信息时代中药知识的非关联化和非结构化特征,本研究采用知识图谱技术来解决中药材数据的多源异构问题。在数据层,通过对中药专业书籍和网络数据等非结构化文本进行数据预处理,提取文本中的中药材实体,引入Attention机制改进BiLSTM+CRF命名实体识别模型,解决中药材文本长句的命名实体识别问题;在模式层,根据中药专业知识分类体系设计了中药材知识图谱概念模式。最后将其进行知识融合和知识表示,通过Neo4j图数据库实现中药材知识图谱的存储与可视化,设计并实现了中药材知识查询系统。主要工作包含以下三个方面:(1)进行中药材数据预处理,设计改进型命名实体识别模型。专业数据以经典教材《中药学》为基础,辅以中医药类专业网站“药素网”为补充。采用Python的Requests与Beautiful Soup爬虫模块抓取网站数据,使用YEDDA标注工具对源数据进行语料标注等预处理。将BiLSTM+CRF命名实体识别模型加入Attention机制,改进为六层命名实体识别模型,使模型识别评价指标F1值到达94.42%,比原模型提高了1.74个百分点,提高了命名实体识别任务精度。(2)构建了基于七类实体的中药材知识图谱,实现了数据可视化展示。传统中医药领域知识图谱以中药诊疗知识为主,该中药材知识图谱在“药物”“功效”“疾病”“药性”“类别”五类实体基础上,增加了“摘录古籍”“具体摘要”两种实体定义,设计了七类实体六类关系的中药材知识图谱概念模式,得到了21345个实体,将其存储在Neo4j图数据库中并进行可视化展示。(3)实现了基于知识图谱的中药材知识查询系统。该系统直接连接图数据库,用Cytoscape.js技术将知识图谱中的中药材知识进行可视化展示,将信息检索、知识导航和知识图谱可视化展示三者融为一体。本研究通过改进中药材知识图谱概念模式和命名实体识别模型等工作,增加了中药材摘录古籍和具体摘要实体的关联,让查询中药材知识有据可循,有助于中药领域知识图谱的进一步研究。
面向中药材种植过程的深度学习模型研究
这是一篇关于中药材,适生区,病害识别,产量预测,深度学习的论文, 主要内容为中药材种植业处于中医药产业链的源头,直接影响药材品质,关乎中医疗效和中医药的继承与发展,论文针对中药材种植过程核心问题开展模型研究,为中药材引种栽培提供辅助决策,实现高效化管理,促进中药材种植科学化和现代化。论文基于中药材生态适宜性发现其潜在适生区,在中药材种植的田间管理环节中开展其叶部病害识别,结合中药材相关时间序列数据进行产量预测,构建中药材种植过程系统服务平台原型。论文工作内容如下:1.针对中药材潜在适生区亟待发现的问题,提出基于深度支持向量数据描述的中药材适生区预测模型。由于生态环境因子的数据格式不统一,使用t-SNE算法统一转换与融合,使用深度支持向量数据描述模型将融合后的数据以非线性方式映射到高维特征空间,在特征空间寻找体积最小的超球体(最优超球体),落在最优超球体内的地区样本点,则认为该地区适宜此中药材的生长;反之,则不适宜此中药材的生长。针对中药材丹参数据的实验结果表明,AUC(Area Under Curve)值为99.65%。2.针对人工判别药用植物叶部病害种类存在成本大、识别错误率高等问题,提出基于深度可分离卷积神经网络的中药材叶部病害识别方法。首先,基于PlantVillage数据集预先训练Inception、ResNet等模型;其次,将得到的网络结构迁移至叶部病害数据集后再进行微调;最后,融入深度可分离卷积操作和随机池化层减少参数量,并防止过拟合,实现叶部病害识别。实验结果表明,模型识别准确率达97.03%。3.针对生态环境数据训练中药材种植产量预测模型产生计算复杂度高且精度较低的问题,提出基于注意力机制的卷积神经网络-长短期记忆网络的中药材产量预测方法。以卷积神经网络和长短期记忆网络为基础,引入注意力机制实现自动权重大小分配以解决信息冗余问题。实验结果表明,在玉米和土豆产量数据集的均方根误差值分别是30.26和10.34,皮尔逊相关系数分别为83.26%和80.73%。4.设计并实现中药材种植过程服务平台,通过采用浏览器/服务器(B/S)架构,并选择Java开源轻量级框架Spring Boot进行平台开发。本平台包括用户管理、数据管理和种植管理功能,从适生区分布预测、叶部病害识别和产量预测三个方面为中药种植过程提供辅助决策。
面向中药材种植过程的深度学习模型研究
这是一篇关于中药材,适生区,病害识别,产量预测,深度学习的论文, 主要内容为中药材种植业处于中医药产业链的源头,直接影响药材品质,关乎中医疗效和中医药的继承与发展,论文针对中药材种植过程核心问题开展模型研究,为中药材引种栽培提供辅助决策,实现高效化管理,促进中药材种植科学化和现代化。论文基于中药材生态适宜性发现其潜在适生区,在中药材种植的田间管理环节中开展其叶部病害识别,结合中药材相关时间序列数据进行产量预测,构建中药材种植过程系统服务平台原型。论文工作内容如下:1.针对中药材潜在适生区亟待发现的问题,提出基于深度支持向量数据描述的中药材适生区预测模型。由于生态环境因子的数据格式不统一,使用t-SNE算法统一转换与融合,使用深度支持向量数据描述模型将融合后的数据以非线性方式映射到高维特征空间,在特征空间寻找体积最小的超球体(最优超球体),落在最优超球体内的地区样本点,则认为该地区适宜此中药材的生长;反之,则不适宜此中药材的生长。针对中药材丹参数据的实验结果表明,AUC(Area Under Curve)值为99.65%。2.针对人工判别药用植物叶部病害种类存在成本大、识别错误率高等问题,提出基于深度可分离卷积神经网络的中药材叶部病害识别方法。首先,基于PlantVillage数据集预先训练Inception、ResNet等模型;其次,将得到的网络结构迁移至叶部病害数据集后再进行微调;最后,融入深度可分离卷积操作和随机池化层减少参数量,并防止过拟合,实现叶部病害识别。实验结果表明,模型识别准确率达97.03%。3.针对生态环境数据训练中药材种植产量预测模型产生计算复杂度高且精度较低的问题,提出基于注意力机制的卷积神经网络-长短期记忆网络的中药材产量预测方法。以卷积神经网络和长短期记忆网络为基础,引入注意力机制实现自动权重大小分配以解决信息冗余问题。实验结果表明,在玉米和土豆产量数据集的均方根误差值分别是30.26和10.34,皮尔逊相关系数分别为83.26%和80.73%。4.设计并实现中药材种植过程服务平台,通过采用浏览器/服务器(B/S)架构,并选择Java开源轻量级框架Spring Boot进行平台开发。本平台包括用户管理、数据管理和种植管理功能,从适生区分布预测、叶部病害识别和产量预测三个方面为中药种植过程提供辅助决策。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://m.bishedaima.com/lunwen/48060.html
